Làm thế nào để đầu ra văn bản thành giọng nói bằng cách sử dụng dòng lệnh?

Làm cách nào để có được đầu ra giọng nói từ văn bản đã nhập bằng cách sử dụng dòng lệnh?

Ngoài ra cơ sở để thay đổi tốc độ nói, cao độ, âm lượng, vv bằng cách sử dụng lệnh đơn giản .

Theo thứ tự phổ biến giảm dần :

• nói chuyển đổi văn bản thành lời nói có thể nghe được bằng cách sử dụng công cụ giọng nói GNUstep.

  sudo apt-get install gnustep-gui-runtime
  say "hello"
  

• lễ hội Hệ thống tổng hợp lời nói đa ngôn ngữ.

  sudo apt-get install festival
  echo "hello" | festival --tts
  

• spd-say gửi yêu cầu đầu ra văn bản thành giọng nói đến người phát ngôn

  sudo apt-get install speech-dispatcher
  spd-say "hello"
  

• Espeak là một trình tổng hợp lời nói phần mềm đa ngôn ngữ.

  sudo apt-get install espeak
  espeak "hello"
  

espeak là một công cụ nhỏ đẹp.

Tôi chỉ thích chơi xung quanh với nó trong một dòng lệnh. Bạn có thể thấy nó xung đột với Pulseaudio vì vậy tôi đang sử dụng một phiên bản dài hơi phủ nhận việc phải thiết lập nó đúng cách.

sudo apt-get install espeak
espeak --stdout "this is a test" | paplay

espeak --help sẽ cho bạn thấy các tùy chọn để hiệu chỉnh tốc độ đọc, cao độ, giọng nói, v.v.

Khi bạn đang thực hiện ghi chú của mình, hãy lưu chúng dưới dạng tệp văn bản và sau đó:

echo "these are my notes" > text.txt
espeak --stdout -f text.txt > text.wav
paplay text.wav # you should hear "these are my notes"

Sau đó, bạn có thể chơi xung quanh với ffmeg et al để nén điều này từ PCM sang một thứ dễ quản lý hơn như MP3 hoặc OGG. Nhưng đó là một câu chuyện khác nhau.

Từ man spd-say:

TÊN
       spd-say - gửi yêu cầu đầu ra văn bản thành giọng nói đến người phát ngôn

TÓM TẮC
       spd-say [tùy chọn] "một số văn bản"

SỰ MIÊU TẢ
       spd-say gửi yêu cầu đầu ra văn bản thành giọng nói đến quy trình xử lý lời nói xử lý nó và lý tưởng là kết quả đầu ra
       đến hệ thống âm thanh.

LỰA CHỌN
       -r, -
              Đặt tốc độ của lời nói (trong khoảng từ -100 đến +100, mặc định: 0)

       -p, --pitch
              Đặt cao độ của bài phát biểu (trong khoảng từ -100 đến +100, mặc định: 0)

       -i, --volume
              Đặt âm lượng (cường độ) của lời nói (trong khoảng từ -100 đến +100, mặc định: 0)

Do đó, bạn có thể nhận văn bản thành giọng nói bằng lệnh sau:

spd-say "<type text>"

Ví dụ:

spd-say "Welcome to Ubuntu Linux"

Bạn cũng có thể đặt tốc độ nói, cao độ, âm lượng, v.v. xem man-page.

Mbrola không hoạt động kể từ 11.10.

Các công cụ SVOX (pico) rất dễ cài đặt, dễ sử dụng và mang lại tiếng nói chất lượng tốt trong Ubuntu. Cài đặt nó:

sudo apt-get install libttspico0 libttspico-utils libttspico-data

Thậm chí dễ dàng hơn, bạn có thể sử dụng LibreScript kết hợp với các công cụ SVOX (pico) bằng cách cài đặt tiện ích mở rộng "Đọc văn bản" và bạn có được "GUI" cho phần mềm TTS tuyệt vời này:

Thiết lập tùy chọn Đọc văn bản mở rộng với Công cụ - Tiện ích bổ sung - Đọc lựa chọn .... Sử dụng / usr / bin / python làm chương trình bên ngoài. Chọn tùy chọn dòng lệnh bao gồm mã thông báo (PICO_READ_TEXT_PY).

Python Google Speach:

pip install google_speech

google_speech "Test the hello world"

Svox từ Android:

apt-get install svox-pico

pico2wave --wave=test.wav "Test the hello world"
play test.wav

Svox Nanotts:

git clone https://github.com/gmn/nanotts.git
cd nanotts
make

./nanotts -v en-US "Test the hello world"

Liên kết - Wiki:

So sánh các tổng hợp giọng nói

Và một gui đặc biệt khác : gespeaker. Nó sử dụng cả hai espeakvà mbrolađộng cơ. Ngoài ra, nó có nhiều lựa chọn hơn espeak-gui.

Sau đây không phải là một giải pháp FLOSS, nhưng bạn có thể thấy nó đáng giá. (đó là một giải pháp rượu vang ),

Cá nhân tôi rất quan tâm đến TTS, tôi sử dụng nó khá thường xuyên ... ví dụ. lắng nghe một bài diễn văn lan man mà tôi sẽ không bao giờ bận tâm để gắn bó với người khác (vì tôi cần lấy một tách cà phê khác ... :)

Một vài điều tôi đã khám phá dọc đường .. hoặc tôi nên nói, những điều tôi chưa khám phá trên đường đi ... Nói một cách thẳng thắn: Mọi phần mềm giọng nói FOSS TTS tôi đã thử đều ngang tầm và do đó không phù hợp cho bất kỳ nghe nửa kéo dài ...

Tôi hiện đang sử dụng NaturalVoices của ATnT. Nó chỉ có sẵn cho Windows (có thể là Mac), nhưng nó chạy winetrong Ubuntu .. (nó có glytch nhỏ, đôi khi tôi cần nhấp vào bảng điều khiển khi tôi rời khỏi đầu đọc ... Đây là một lỗi nhỏ vấn đề khi so sánh với lợi thế đạt được bởi chất lượng lời nói từ NatualVoices.

Một số điều khác mà tôi thấy hầu như rất cần thiết cho trải nghiệm nghe nửa nhạy cảm, là; ...

1. Những progama TTS này không thông minh (cũng có thể thông minh như một con khỉ đầu chó nhỏ) .. vì vậy chúng cần mọi sự giúp đỡ mà chúng có thể nhận được. và có một (và chỉ một chương trình Reader mà tôi đã tìm thấy giúp ích rất nhiều cho việc này .. Ứng dụng được gọi là ReadPlease (2003 Pro)... Nó cho phép bạn sửa đổi đặc biệt các từ và nhóm từ được phát âm theo ý muốn của bạn ... Nó không có nghĩa là hoàn hảo, nhưng đối với tôi, nó đã tạo ra sự khác biệt giữa toàn bộ quá trình có thể sử dụng được và không thể sử dụng được ...

2. Bài phát biểu trong Natural Voices là "okay", nhưng nó hơi nhàm chán. Cũng có những sản phẩm tốt khác, nhưng tất cả đều dành cho Windows, thật không may) ..
   Đôi khi nó cũng gây ngạc nhiên .. nhưng OMG, ban đầu nó là một nỗi đau! .. vì vậy # 2 là * kiên nhẫn ... và rất nhiều cập nhật danh sách "từ đặc biệt" của bạn ... Bằng cách kiên nhẫn, ý tôi là bạn (tôi) thực sự đã quen với các mẫu bài phát biểu của khỉ đầu chó của tôi :) và bởi Theo cách này, hiện tại tôi có khoảng 3000 từ phát ra âm thanh "Con người" đủ để tôi không còn co rúm lại khi nghe chúng.

   3 .. "Theo dõi bóng nảy" ... Một lần nữa bởi vì giọng nói không bao giờ tốt như một người nói thực sự, đôi khi mọi thứ cần phải được làm rõ ... Chương trình Reader tôi sử dụng có một tính năng mà tôi thậm chí còn đưa ra với giao diện trông khó hiểu của nó .... Có tùy chọn từ "đang chọn đang đọc" .. Nhiều người đọc có điều này, nhưng ReadPlease giữ dòng hiện tại bật trung tâm của màn hình .. Điều này là vô giá để có thể nhìn thấy phía trước và phía sau để nhanh chóng đọc lại những gì bạn vừa bỏ lỡ (vì vậy tự động căn giữa dòng curent là tốt) ...

Đó là kinh nghiệm của tôi .. Bây giờ tôi sẽ pha cà phê, và trong khi tôi làm nó, tôi sẽ lắng nghe điều này, để xem nó "đọc" như thế nào .... TTS thật đáng ngạc nhiên khi chọn lỗi chính tả (tôi tạo nhiều lỗi chính tả) ...

Nếu thứ gì đó tốt như ATnT NaturalVoices xuất hiện trên kho lưu trữ Ubuntu, tôi sẽ nhảy vào nó.

Đây là đường dẫn đến một số mẫu Giọng nói tự nhiên : Tôi sử dụng "MIke"

SVOX pico2wave

đó là những gì tôi sử dụng. Và nghe có vẻ tự nhiên, thật dễ hiểu, nó nhận ra Đơn vị (m, ° C, kg, ...)

Đây là bài viết đầu tiên của tôi cho pico2wave

Văn bản âm thanh tự nhiên để nói?

Tât cả nhưng điêu bạn phải lam la:

Chuyển đến Trung tâm phần mềm Ubuntu và tìm kiếm "pico". Bạn sẽ tìm thấy 4 hoặc 5 mục với "Dấu chân nhỏ ...". Cài đặt chúng.

Việc sử dụng pico2wave có thể được mô tả trong bài đăng đầu tiên của tôi (theo liên kết ở trên).

Tạm biệt

Đối với festival(giọng nói có vẻ tự nhiên hơn đối với tôi):

sudo apt-get install festival

echo "hello" | festival --tts

Cấu hình cao độ và tốc độ:

tạo ~/.festivalrc:

(Parameter.set 'Audio_Command "play -b 16 -c 1 -e signed-integer -r $SR -t raw $FILE tempo 1.5 pitch -100") (Parameter.set 'Audio_Method 'Audio_Command)

Xem thêm http://www.solomonson.com/content/ubfox-linux-text-speech

Cập nhật: đã thử trên một máy tính Ubuntu khác. Phải cài đặt gói công cụ nói tiếng Anh để làm việc với lễ hội đúng cách:

sudo apt-get install festvox-kallpc16k

Cũng playlà một lệnh cli đi kèm với soxgói:

sudo apt-get install sox

Mặc dù bạn đã chấp nhận một câu trả lời, tôi muốn đề cập đến festival, điều mà tôi cũng thích khá nhiều. Bài đăng này trên các diễn đàn Ubuntu có rất nhiều thông tin về việc có được những tiếng nói rất hay được thiết lập cho nó.

Gặp gỡ espeak-ng- Bộ tổng hợp lời nói phần mềm đa ngôn ngữ:

espeak-ng "text to read"
espeak-ng -f "~/file to read"

Nó sử dụng giọng nói tiếng Anh mặc định, nhưng có nhiều giọng nói khác cho các ngôn ngữ khác và thậm chí cả phương ngữ có sẵn và có thể được liệt kê với espeak-ng --voices(cho tất cả) hoặc ví dụ espeak-ng --voices=en(đối với tiếng Anh). Chúng có thể được đặt -vcùng với tên viết tắt ngôn ngữ hoặc tên tệp, ví dụ như tiếng Scotland hoặc tiếng Swords:

espeak-ng -v en-gb-scotland "text to read" # language name
espeak-ng -v bnt/sw "text to read" # file name: “bnt” for Bantu, “sw” for Swahili

Có nhiều tùy chọn khác có sẵn, ví dụ -svề tốc độ và -wđể ghi đầu ra vào tệp sóng, hãy xem trang hướng dẫn được liên kết bên dưới.

đọc thêm

• man espeak-ng
• kho github

espeak-ng(Dịch vụ dành cho người dùng thế hệ tiếp theo) là một nhánh được phát triển tích cực của espeakphần mềm tổng hợp giọng nói gốc , xem chương Lịch sử trên Wikipedia . Cả hai đều có sẵn từ các nguồn chính thức thông qua các gói espeakhoặc espeak-ngtương ứng.

Balabolka dưới Wine hoạt động tốt (đối với tôi) với giọng nói SAPI4 (giọng nói SAPI5 không được phát hiện trên hệ thống Linux của tôi). Nó có thể mở tập tin và bắt đầu đọc.

Đây là liên kết đến mục nhập AppDB của rượu vang cho Balabolka: https://appdb.winehq.org/objectManager.php?sClass=application&iId=17859

Công cụ gTTS rất tốt để tạo các tệp âm thanh từ văn bản. Nó sử dụng API chuyển văn bản thành giọng nói của Google Dịch và tạo các tệp mp3.
Vì nó sử dụng pipđể cài đặt, tôi thực sự khuyên bạn nên cài đặt Miniconda, sau đó sử dụng condađể tạo môi trường nơi bạn có thể cài đặt gTTS. Bạn có thể tải xuống Miniconda từ đây:

https://docs.conda.io/en/latest/miniconda.html

Kho lưu trữ GitHub cho gTTS là:

https://github.com/pndurette/gTTS

Và bạn có thể tìm thấy tài liệu của gTTS tại đây:

https://gtts.readthedocs.io/en/latest/